کتاب صوتی تحلیل داده‌های ژنتیکی با R

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره تحلیل داده‌های ژنتیکی با R

موضوع کلی: تحلیل و مصورسازی داده‌ها

موضوع میانی: تحلیل داده‌های بهداشتی

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر داده‌های ژنتیکی و بیوانفورماتیک
• 2. آشنایی با نرم‌افزار R و محیط محاسباتی آن
• 3. نصب و پیکربندی بسته‌های مورد نیاز R برای تحلیل ژنتیک
• 4. وارد کردن و مدیریت داده‌های ژنتیکی در R
• 5. فرمت‌های رایج داده‌های ژنتیکی (VCF, PLINK, BED)
• 6. پیش‌پردازش داده‌ها: کنترل کیفیت و حذف داده‌های نامعتبر
• 7. تحلیل آماری توصیفی داده‌های ژنتیکی
• 8. نمایش گرافیکی داده‌های ژنتیکی با R
• 9. مقدمه‌ای بر ژنوتیپ‌زنی و ارتباط آن با تحلیل داده
• 10. محاسبه فراوانی آلل‌ها و ژنوتیپ‌ها
• 11. آزمون‌های تعادل هاردى-واينبرگ در R
• 12. تحلیل پیوستگی (Linkage Analysis) با استفاده از R
• 13. شناسایی مناطق مرتبط با بیماری (Genome-Wide Association Studies - GWAS)
• 14. مدل‌سازی خطی در GWAS
• 15. اصلاح برای چندآزمونی در GWAS
• 16. تحلیل جمعیت (Population Genetics) با R
• 17. محاسبه شاخص‌های تنوع ژنتیکی
• 18. تحلیل ساختار جمعیت (Population Structure Analysis)
• 19. تحلیل اجداد (Ancestry Analysis)
• 20. درخت‌های فیلوژنتیک و روابط تکاملی
• 21. تحلیل انتخاب طبیعی (Natural Selection)
• 22. شناسایی ژن‌های کاندید (Candidate Gene Identification)
• 23. تحلیل بیان ژن (Gene Expression Analysis)
• 24. نرمال‌سازی داده‌های بیان ژن
• 25. تحلیل تفاضلی بیان ژن (Differential Gene Expression Analysis)
• 26. مسیرهای متابولیکی و شبکه‌های ژنی
• 27. تحلیل غنی‌سازی ژنی (Gene Enrichment Analysis)
• 28. تحلیل داده‌های RNA-Seq
• 29. تحلیل داده‌های ChIP-Seq
• 30. تحلیل داده‌های DNA-Seq
• 31. مقدمه‌ای بر اپی‌ژنتیک و تحلیل داده‌های مرتبط
• 32. تحلیل داده‌های متیلاسیون DNA
• 33. تحلیل داده‌های ریزآرنآ (microRNA)
• 34. تحلیل داده‌های پروتئومیک (Proteomics)
• 35. ادغام داده‌های چند-اُمیکی (Multi-Omics Data Integration)
• 36. یادگیری ماشین در تحلیل داده‌های ژنتیکی
• 37. شبکه‌های عصبی مصنوعی در ژنتیک
• 38. تحلیل داده‌های ژنتیکی برای تشخیص بیماری
• 39. پیش‌بینی ریسک بیماری بر اساس داده‌های ژنتیکی
• 40. تحلیل ژنتیکی پاسخ به دارو (Pharmacogenomics)
• 41. مقدمه‌ای بر ژن‌درمانی و تحلیل داده‌های مرتبط
• 42. اخلاق در تحلیل داده‌های ژنتیکی و حفظ حریم خصوصی
• 43. نوشتن گزارش و ارائه نتایج تحلیل داده‌های ژنتیکی
• 44. منابع و ابزارهای تکمیلی در R برای تحلیل ژنتیک